Big Data lohnt sich schon im Mittelstand

Report: Viele Unternehmen kämpfen mit einem enormen Datenwachstum. Big Data-Lösungen sollen hier Abhilfe schaffen. Was verstehen Sie unter diesem Begriff?

Gerald Sternagl: Unter Big Data versteht Red Hat Lösungen, die Unternehmen bei der Verarbeitung und Analyse sehr großer Datenmengen helfen. Das Datenwachstum selbst kann damit jedoch nicht verhindert oder gar „bekämpft“ werden. Big-Data-Lösungen unterstützen Unternehmen vielmehr dabei, aus einer riesigen Menge von Informationen die relevanten Daten zu extrahieren und diese als Basis fundierter Geschäftsentscheidungen einsetzen zu können.

Report: Ist Big Data eher etwas, mit dem sich größere Unternehmen beschäftigen sollten?

Sternagl: Mit Big-Data-Analysewerkzeugen sind Unternehmen in der Lage, beispielsweise Konsumverhalten, Käuferprofile, öffentliche Meinung, demografische Faktoren und andere für einen bestimmten Kontext relevanten Aspekte in einen Zusammenhang zu bringen. Ziel ist es unter anderem, diese Erkenntnisse zu nutzen, um damit aktuelle Wettbewerbsvorteile zu erzielen oder Trends frühzeitig zu erkennen und darauf reagieren zu können. Ausgestattet mit den richtigen Werkzeugen können davon Mittelständler und große Unternehmen aller Branchen profitieren. Zusätzlich zu den direkt kundenbezogenen Anwendungsszenarien kommen Big-Data-Lösungen zum Beispiel zu Auswertungen von IT-Security-Daten bei umfangreichen wissenschaftliche Anwendungen zum Einsatz. In beiden Fällen ist es wichtig, die Datenmenge und -vielfalt schnell und zutreffend zu analysieren und die Ergebnisse für aktuelle Entscheidungsprozesse aufzubereiten. Eine typische Eigenschaft von vielen Big-Data-Werkzeugen ist es, dass sie Analyse- und Rechenaufgaben nach dem Scale-Out-Ansatz auf viele Server verteilen. Damit lassen sich sehr große Datenmengen in kurzer Zeit parallel verarbeiten.

Report: Können Sie ein Beispiel aus der Praxis nennen, bei dem Big Data einen großen Nutzen für ein kleines oder mittleres Unternehmen stiftet?

Sternagl: Exemplarisch dafür steht die Tourismusindustrie, die für die österreichische Wirtschaft eine große Rolle spielt. Big-Data-Werkzeuge könnten dabei helfen, Tourismustrends durch Analysen von sozialen Netzwerken, Internet-Foren und Bewertungsportalen in Zusammenhang mit statistischen Werten wie Auslastung, Saisonalität, Bettenbelegung, Demografie, Herkunftsland, Sportart oder Konsumverhalten von Touristen zu bringen. Mit diesen Informationen können Tourismusverbände punktgenau bestimmte Kundengruppen ansprechen, Werbung entsprechend zielgerichteter einsetzen und ihre Angebote optimieren. Bisher wird hier noch sehr viel auf Basis von Erfahrungen aus der Vergangenheit entschieden und entsprechend langsam passen sich die Angebote an. Die Tourismusbranche ändert sich jedoch sehr rasant. War ein Ort in einem Jahr noch sehr beliebt bei bestimmten Besuchern wie zum Beispiel Familien mit Kindern, kann sich das im nächsten Jahr sehr schnell ändern, wenn das Angebot für diese Zielgruppe nicht mehr stimmt. Mit Hilfe von Big-Data-Analysen sind solche Trends jedoch relativ früh erkennbar. Wenn Tourismusmanager sich kontinuierlich damit befassen, können sie ihre Angebote besser auf einzelne Adressaten zuschneiden.

Report: Welche Storage-Lösungen bietet dazu Red Hat? Welche Kundentypen sprechen Sie damit in Österreich an?

Sternagl: Um große Datenmengen effizient analysieren zu können, werden kostengünstige, zuverlässige und skalierbare Speichersysteme benötigt. Mittelständische Unternehmen greifen hier wahrscheinlich eher auf Public-Cloud-Dienstleistungen zurück. Größere Unternehmen oder Unternehmen mit vielen vertraulichen Daten und den benötigten IT- und Personalressourcen werden vermutlich eher eine eigene Infrastruktur für die Big-Data-Analysen aufbauen wollen. Für beide Szenarien bietet Red Hat entsprechende Lösungen an. Cloud-Provider können Red Hat Inktank Ceph Enterprise als skalierbare Speicherlösung für tausende von Kunden in ihrem Rechenzentrum einsetzen. Bei On-Premise-Big-Data-Lösungen für große Unternehmen bietet sich Red Hat Storage Server an. Damit lassen sich alle zu analysierenden Daten in einem umfangreichen, einheitlichen Pool sammeln, den dann Big Data Frameworks wie Hadoop direkt in der Speicherinfrastruktur bearbeiten können. Beide Speicherlösungen von Red Hat sind sogenannte Software-Defined-Storage-Lösungen. Das bedeutet, dass Red Hat Speichersoftware anbietet, die aus Standard-x86-Servern mit eingebauten Festplatten große Speichercluster bildet, die teure, monolithische und proprietäre Speichersysteme ersetzen können.

Report: Gibt es weitere Aspekte, die bei Big Data eine wichtige Rolle spielen?

Sternagl: Hier sind zwei Punkte zu nennen: zum einen die Datenintegration und zum anderen dynamische Infrastrukturen.
Die Qualität von Analyse-Ergebnissen hängt unter anderem auch von der Güte und Menge der zu analysierenden Daten ab. Wollen Unternehmen möglichst viele Datenquellen in ihre Analysen mit einbeziehen, dann ergibt sich die Herausforderung, dass sie verschiedene Datenformate integrieren und in ein normiertes Format umsetzen müssen. Red Hat JBoss Data Virtualization hilft dabei, eine Vielzahl von Legacy-Datenformaten in ein einheitliches und für Big Data Frameworks einfacher zu verarbeitendes Format umzuwandeln.

Die Red Hat Enterprise Linux OpenStack Platform bildet zusammen mit Red Hat Inktank Ceph Enterprise eine Lösung, um eine reine Private-Cloud-Umgebung aufzubauen. Sie stellt eine flexible und dynamische IT-Infrastruktur bereit, die abhängig von den aktuellen Anforderungen und Projekten nicht nur für Big-Data-Analysen, sondern auch für beliebige andere IT-Anwendungen genutzt werden kann. Damit müssen Unternehmen nicht explizit eine neue dedizierte Infrastruktur für Big Data errichten, sondern können auch eine Shared-Infrastruktur oder eine Infrastructure-as-a-Service (IaaS)-Lösung nutzen.